Seminar Tugas Akhir Sifa Lusiana |
|
Senin, Juni 29 2015, 14:00 - 15:00 |
by
Alamat e-mail ini dilindungi dari spambot, anda harus memampukan JavaScript untuk melihatnya
|
Hits : 2151 |
|
Seminar Tugas Akhir
Sifa Lusiana g54110006
Klasifikasi Data dengan Data Asal dan Data Tereduksi
Pengamatan lebih dari satu peubah pada suatu objek diharapkan dapat memberikan informasi yang lebih daripada dilakukan oleh masing-masing peubah secara terpisah. Namun dalam kenyataannya, sulit untuk merepresentasikan amatan atau data dengan banyak peubah dan objek. Dalam statistika, analisis peubah ganda dapat digunakan untuk menganalisis data dengan lebih dari satu peubah. Analisis peubah ganda mampu menganalisis peubah-peubah yang diamati pada satu objek secara bersamaan. Salah satu analisis peubah ganda yang dapat diterapkan untuk mengatasi hal tersebut adalah Analisis Komponen Utama (AKU).
AKU sering digunakan untuk mereduksi dimensi dari suatu matriks data yang terdiri atas sejumlah besar peubah yang saling berkorelasi dengan tetap mempertahankan sebanyak mungkin informasi yang terkandung dalam matriks data asalnya menjadi sejumlah kecil peubah dan tidak saling berkorelasi yang merupakan kombinasi linear dari peubah-peubah asalnya dan beragam terurut. Namun, pada kenyataannya AKU tidak dapat mengatasi data yang taklinear. Oleh karena itu diperlukan suatu metode untuk mengatasi masalah tersebut yaitu dengan menggunakan AKU Kernel (AKUK). Fungsi kernel memetakan data ke dimensi yang lebih tinggi dan membangun fungsi pemisah dalam ruang yang terpisahkan. Data yang digunakan pada karya ilmiah ini adalah data yang objeknya telah dikelompokkan. Akan tetapi setelah divisualisasikan, objek-objeknya bercampur membentuk suatu gerombol. Oleh karena itu, dalam karya ilmiah ini akan dilakukan pengklasifikasian objek ke dalam suatu kelompok dengan menggunakan AKU dan AKUK yang diharapkan dapat memberikan salah klasifikasi yang lebih kecil dibandingkan dengan pengklasifikasian langsung pada data asal dan data asal yang distandardisasi. |